机器学习--模型评估、过拟合和欠拟合、模型验证
对于机器学习来讲，我们更关心是在新数据中模型对其的预测情况是否正确（对新数据是否有泛化能力）；本节讲的是，对于一个算法如果只是在这个数据中训练的比较好的话，不代表在新的数据上效果比较好，所以将会介绍怎么样去 衡量模型的好坏值得注意的是，本节是 给定了数据与超参数并且已经训练好了模型，然后再来判断模型
使用Stable-Diffusion生成视频的完整教程
本文是关于如何使用cuda和Stable-Diffusion生成视频的完整指南，将使用cuda来加速视频生成，并且可以使用Kaggle的TESLA GPU来免费执行我们的模型。
【超详细】【ubunbu 22.04】 手把手教你安装nvidia驱动，有手就行，隔壁家的老太太都能安装
前几天组了台新电脑装ubuntu系统跑深度学习，nvidia的驱动是出了名的麻烦。忙活了一天还重装了几次系统终于搞定了。下面是我总结出来的安装方法给大家参考参考。
7个流行的强化学习算法及代码实现
目前流行的强化学习算法包括 Q-learning、SARSA、DDPG、A2C、PPO、DQN 和 TRPO。 这些算法已被用于在游戏、机器人和决策制定等各种应用中，并且这些流行的算法还在不断发展和改进，本文我们将对其做一个简单的介绍。
人工智能图像形状检测算法
图像形状检测，作为人工智能中的重要分支，介绍检测算子，是认识人工智能的重要方面。
【Python】Python寻找多维数组（numpy.array）中最大值的位置（行和列）
最近需要从热力图中找出关键点的坐标，也就是极大值的行和列。搜寻了网上的一些方法，在这里总结一下。使用numpy进行多维数组中最大值的行和列搜寻非常的灵活，有以下几种方法可供参考。二维数组方法一：np.max()函数 + np.where()函数如下图所示，x是一个 3×3 的二维np.array，首
机器学习强基计划0-2：什么是机器学习？和AI有什么关系？
用最通俗的例子和语言解释什么是机器学习，接着介绍机器学习和人工智能的关系，机器学习的用途以及学习路线
数据挖掘-数据的预处理（三）
准备数据:如何处理出完整、干净的数据?原始的数据本身也存在着各种各样的问题：如不够准确、格式多样、部分特征缺失、标准不统一、特殊数据、错误数据等。
谷歌研究员走火入魔事件曝光：认为AI已具备人格，被罚带薪休假，聊天记录让网友San值狂掉...
梦晨 发自 凹非寺量子位 | 公众号 QbitAI谷歌研究员被AI说服，认为它产生了意识。他写了一篇长达21页的调查报告上交公司，试图让高层认可AI的人格。领导驳回了他的请求，并给他安排了“带薪行政休假”。要知道在谷歌这几年带薪休假通常就是被解雇的前奏，公司会在这段时间做好解雇的法律准备，此前已有不
openCV第三篇
openCV第三篇
YOLOV5 代码复现以及搭载服务器运行
文章目录前言一、YOLO简介二、代码下载三、数据集准备四、配置文件的修改1.data下的yaml2.models下的yaml3.训练train五、搭载服务器训练1.上传数据2.租服务器3.pycharm连接服务器1.添加ssh2.输入密码3.配置服务器环境路径跟代码映射路径4.解压数据5.开始训练6
cpu和gpu已过时，npu和apu的时代开始
🌎CPU是中央处理器。其实就是机器的“大脑”，也是布局谋略、发号施令、控制行动的“总司令官”。CPU的结构主要包括运算器（ALU，ArithmeticandLogicUnit）、控制单元（CU,ControlUnit）、寄存器（Register）、高速缓存器（Cache）和它们之间通讯的数据、控制
对抗生成网络（GAN）中的损失函数
L1损失函数又称为MAE(mean abs error)，即平均绝对误差，也就是预测值和真实值之间差值的绝对值。 L2损失函数又称为MSE(mean square error)，即平均平方误差，也就是预测值和真实值之间差值的平方。
2023 年8个ChatGPT 的替代品
OpenAI 于 2022 年 11 月下旬推出的 ChatGPT 在网络世界引起了不小的轰动。其实还有许多其他的机器人在本文中，我将整理8 个 ChatGPT 替代方案。
吴恩达对话刘慈欣：让科幻更有勇气，让人工智能更有想象力
百度首席科学家吴恩达和中国著名科幻作家刘慈欣同台，在思维的碰撞中畅享人工智能未来的20年
写完Numpy100道基础练习题后的错误总结和语法总结
numpy100题错误总结和语法总结！！我都已经踩了无数个雷了！！
8种时间序列分类方法总结
对时间序列进行分类是应用机器和深度学习模型的常见任务之一。本篇文章将涵盖 8 种类型的时间序列分类方法。这包括从简单的基于距离或间隔的方法到使用深度神经网络的方法。这篇文章旨在作为所有时间序列分类算法的参考文章。
【深度学习】（五）目标检测——下篇
上一章介绍了目标检测上篇，主要为两阶段检测的R-CNN系列。这一章来学习一下目标检测下篇。R-CNN系列算法面临的一个问题，不是端到端的模型，几个构件拼凑在一起组成整个检测系统，操作起来比较复杂。而今天介绍的YOLO算法，操作简便且速度快，效果也不错。YOLO算法是一种典型的one-stage方法，
Hugging Face快速入门（重点讲解模型(Transformers)和数据集部分(Datasets)）
1. Hugging Face是什么，提供了哪些内容2. Hugging Face模型的使用（Transformer类库）3. Hugging Face数据集的使用（Datasets类库）
torch.nn.Parameter()函数的讲解和使用
torch.nn.Parameter()函数的讲解和使用
